Tesseract（OCR 引擎）是可重入的吗？

Question

我正在四核处理器上使用 Tesseract 进行 OCR。 为了提高速度，我想一次阅读 4 个单词，使用 4 个线程。 从多个线程同时调用 Tesseract 是否安全？

注意：每个线程将处理不同的非共享图像。

注意：由于速度原因，用锁守卫是不行的。

Answer 1

从 the release notes 开始，Tesseract 从 3.01（2011 年 10 月 21 日）开始（大部分，并且在您描述需要的程度上）是线程安全的

线程安全！将所有关键的全局变量和静态变量移至 适当的班级。 Tesseract 现在是线程安全的（多个 实例可以在多个线程中并行使用。）与次要 一些控制参数仍然是全局的并影响所有的例外 线程。

我已经成功地在多个内核上使用它很长时间（或更长时间，来自 dev 分支）。

Answer 2

我不认为 tesseract 目前是可并行化的（参见 this thread），尽管 main goals for v3.0 is to make it more thread-safe 之一。

但是，您始终可以通过运行 tesseract 的 n 个并发 进程 来实现并行化。如果您想并行处理单个图像的 OCR，您可以将其拆分并将每个部分提供给这些 n 个进程中的每一个（基本上是一个 mapreduce）。